工业革命以来，社会生产力迅速提高，人类活动频繁，此外人口与日俱增对土地的需求与改造更加强烈，人-地关系日益紧张。此外，土地资源的不合理开发利用更是造成了水土流失、植被退化、水资源短缺、区域气候变化、生物多样性锐减等一系列生态环境问题。如何优化土地利用模式，维持区域土地生态安全，缓和土地供需矛盾，使人-地关系协调共生作为关键问题，成为国内外研究热点。生态系统服务是人类直接或间接从生态系统中获得的惠益
毕设内容选择了从来没有接触过的空间统计，为了顺利毕业，开始接触时空数据等，希望自己能够学完。 文章目录一、什么是统计？二、统计与分析1.分析是统计应用中的一种手段2.统计为分析提供数据基础三、地理学第一定律四、空间分析的一般定义五、空间统计学基本概念1.空间概率2.概率密度3.不确定性4.统计推断5.零假设6.空间自相关7.空间异质性8.空间尺度六、空间关系概念化1. __距离__2.面邻接3.K
转载
2024-06-18 12:46:18
85阅读
ArcGIS Runtime 100.2.0的正式发布带来个更多移动端的处理地图的能力，例如支持WMS图层、支持海图（ENC）图层，再如基于场景相机（Camera）的视域分析。同时还提供了新的统计查询API（总和，平均值，计数，最小值，最大值，标准差或方差）。而今天要描述的重点是ArcGIS Runtime 100.2.0对Shapefile数据格式的支持，当然ArcGIS Runtime 100
写在前面
下面这篇文章的内容主要是来自发表于Applied Intelligence 的一篇文章《Deep spatial-temporal networks for crowd flows prediction by dilated convolutions and region-shifting attention mechanism》。这篇文章提出了一种深度时空网络模型框架，其中
内容导读1）回归概念介绍；2）探索性回归工具（解释变量的选择）使用；3）广义线性回归工具(GLR)使用；*加更：广义线性回归工具的补充内容4）地理加权回归工具(GWR)使用+小结。说明：本节是这个学习笔记最后一部分。PART/04地理加权回归工具(GWR)使用上一节我们讲了GLR广义线性回归，它是一种全局模型，可以构造出最佳描述研究区域中整体数据关系的方程。如果这些关系在研究区域中是一致的，则 G
地理加权回归本笔记本演示了如何使用 Oshan 等人中包含的示例代码使用 MGWR Python 包执行地理加权回归 Oshan et al. 2019. MGWR: A Python Implementation of Multiscale Geographically Weighted Regression for Investigating Process Spatial Heterogen
转载
2024-08-20 12:01:41
89阅读
于BLOG字数限制，所以没有发表完成，这里继续发表： 据向导对话框 ①选择默认的A feature orshapefile containing temporal选项； ②浏览并选择所需
Tips如果是直接复制代码运行，请注意查看以下提醒：1.本代码运行时，需要输入对应资源所在的绝对路径，均只需输入至...\Chp7\Ex1,如：D:\桌面\ArcPy实验代码抽查\Chp7\Ex1。2.# -*- coding: utf-8 -*- 这一行注释不能删除，否则会报编码错误。数据分享7-1 市区择房分析# -*- coding: utf-8 -*-
import arcpy
print
时空地理加权降尺度是个非常重要且复杂的领域，特别在气象、环境科学以及大数据分析中，它帮助我们将宏观区域内的研究结果转化为微观层面的实践应用。随着算法的不断进化，结合Python强大的数据处理能力，我们在进行时空地理加权降尺度的时候能够更有效率、更高准确度地完成任务。本篇文章将为大家详细拆解这一技术及其实现过程。
## 技术定位与演进
时空地理加权降尺度技术的演进大致可以追溯到20世纪70年代的
在上一篇文章中，我提到的这些工具都是用于研究数据有什么样的空间模式，哪里聚类？哪里是热点？哪里有冷点？哪里有异常值？等等，总之研究的是“生米煮成熟饭”的结果状态。而“空间关系建模”工具箱中的工具，更倾向于研究 Why？ 例如，为什么会出现这种情况？ 或者说什么导致了这种情况。这时我们就可以使用工具进行回归分析，如：普通最小二成法（OLS） 和 地理加权回归（GWR）。你可能会问，为什么要进行回归分
转载
2024-04-27 09:05:33
248阅读
# 多尺度时空地理加权回归模型 R语言的实现指南
在处理空间数据分析时，适用多尺度时空地理加权回归模型（MGWR）是一个重要的方法。本文将带你逐步学习如何在R语言中实现MGWR模型。我们将通过几个步骤来完成这一过程。
## 流程概述
以下是实现MGWR的步骤：
| 步骤 | 描述 |
|------|-------
地理分析专业人员很精通将地理空间关系以及依赖性可视化。但是在找寻关系和依赖性时，检查时间的邻近性同样重要。环境规划的先驱伊安·麦克哈格很重视年代学或者说关注按时间顺序来展示地图图层，从而揭示分析对象背后的联系，依赖性和因果关系。 麦克哈格在他的书《生命的追求》中描述一个早期的环境规划研究项目时说道：“我们发现最早的事件，主要是指地质史，对自然地理，土壤，植被以及资源的可用性方面具有强大且深远的影响
《地理加权模型》系列自推出来，深受各位读者喜爱。前几天有读者问：使用gwr()等函数运行模型后，怎么去查看它里面的信息呢？比如如何看变量系数的显著性。本篇就来介绍如何在R语言中去查看GWR模型的输出结果。对于一般模型如线型模型来说，使用summary()函数就能得到大部分想要的结果，如回归系数、标准误、值、R2等。但是，GWR模型每个变量在每个样本点都有一个估计系数，以及对应的标准误、值，即使全部
转载
2024-03-25 15:29:35
190阅读
0 数据准备示例数据是来自spData工具包的NY8_utm18.shp。该数据在推文线性地理加权回归中使用过。library(rgdal)
NY8 <- readOGR(system.file("shapes/NY8_utm18.shp",
package = "spData"))该数据共包含281个空间单元。随机选择其中的276个作为
转载
2024-03-06 14:13:08
259阅读
写在前面 去年天池-安泰杯跨境电商智能算法大赛是我初次接触推荐相关的比赛，通过比赛让我对推荐系统有了较为浅显的认识，赛后也是打算系统的学习这方面的内容，此后我也会将【推荐系统】作为一个系列板块进行更新，主打经典推荐算法的原理，相信每一篇都值得反复研究。一、背景介绍作为【推荐系统系列文章】的第一讲，我们将以YouTube在2016年发表的论文《Deep Neural Networks for You
目录背景非线性模型转换为线性模型背景非线性关系线性化的几种情况应用平滑数据处理参考文献 背景大一做项目，使用过huff模型与gwr模型（地理加权回归）的线性化。在处理数据过程中也遇到了平滑数据处理的问题。这里做一个总结记录。非线性模型转换为线性模型背景模型可以分为线性模型和非线性模型，有时候为了处理需要将线性模型转换为非线性模型，如地理加权回归模型只能适用于线性数据，而huff模型是非线性模型，
转载
2024-05-11 20:21:47
108阅读
数据下载地址：数据集下载 图像：想要表示出这些数据背后隐藏的规则，其中的一种方式是想办法得到某个方程，通过输入X得到对应的Y值。我们假设这个方程的形式为：其中ωi只要我们能够通过某种方法求出了系数ω，我们就能得到回归方程，只要我们得到回归方程，我们就能预测给定的x对应的点（x，y）。求出系数ω的方式有很多，求出的方程对数据集的拟合程度也有差异。最佳拟合直线方法：Yi"是回归方
地理加权回归（GWR）是一种局部的空间回归分析方法，它允许模型参数在空间上变化，从而能够捕捉到空间数据的局部空间非平稳性。GWR模型的基本思想是在回归分析中引入空间权重，使得模型能够根据地理位置的邻近程度对观测值进行加权。1. GWR模型的基本形式其中，是第个观测变量， 是第个观测值的自变量向
转载
2024-08-18 10:06:46
232阅读
S语言是由AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。它的丰富的数据类型（向量、数组、列表、对象等）特别有利于实现新的统计算法，其交互式运行方式及强大的图形及交互图形功能使得我们可以方便的探索数据。 目前S语言的实现版本主要是S-PLUS。它基于S语言，并由MathSoft公司的统计科学部进一步完善。作为统计学家及一般研究人员的通用方法工具箱，S-PLUS强调
转载
2024-07-31 19:13:01
123阅读
# 地理加权回归 (GWR) 在 Python 中的实现指南
地理加权回归（Geographically Weighted Regression, GWR）是一种空间回归方法，它允许我们在考虑地理位置的前提下，分析变量之间的关系。本文将带你通过一个简单的工作流程，了解如何在 Python 中实现 GWR，并提供详细的代码和注释。
## 整体流程
在开始之前，我们先看一下实现 GWR 的整体流
原创
2024-09-10 06:50:33
902阅读
